我正在尝试为CatBoostClassifier构建PRC（精确召回曲线）。

但当我调用sklearn.metrics.precision_recall_curve(y_test, y_score)时，我得到了ValueError: bad input shape (11912, 2)的错误。

我的当前方法可能有什么问题？我需要做些什么来修正这个问题以提供正确的形状？

import sklearn from sklearn import metrics y_score = model.predict_proba(X_test) prc_auc = sklearn.metrics.precision_recall_curve(y_test, y_score)

//这是我构建模型的方式

model = CatBoostClassifier( iterations=50, random_seed=63, learning_rate=0.15, custom_loss=['Accuracy', 'Precision', 'Recall', 'AUC']) model.fit( X_train, y_train, cat_features=cat_features, eval_set=(X_test, y_test), verbose=10, plot=True );   

回答：

显而易见的答案是CatBoostClassifier.model.predict_proba返回一个二维数组；而sklearn.model.precision_recall_curve需要一个一维数组（或一个只有一列的二维数组）。

CatBoostClassifier的文档说明predict_proba()返回numpy.array，但没有提供关于此方法的其他信息。所以我现在对这个包的文档感到不满。

在浏览了一些注释不完整的代码后，我发现了以下内容：

    if prediction_type == 'Probability':        predictions = np.transpose([1 - predictions, predictions])        return predictions

我猜测第0列是类0的概率，第1列是类1的概率。所以请选择与你的测试对齐的那一列，并只使用那一列。

prc_auc = sklearn.metrics.precision_recall_curve(y_test, y_score[:, 1])